卷积对偶图拉普拉斯稀疏编码
计算机科学与博弈论
2022-01-14 v1
摘要
近年来,图信号处理(GSP)技术在各领域流行,图拉普拉斯正则化项也被引入卷积稀疏表示。本文提出一种基于对偶图拉普拉斯正则化项的卷积稀疏表示模型,以确保对偶图信号平滑先验在输入图像的行与列上有效应用。图拉普拉斯矩阵包含图像梯度信息与像素间相似信息,也能描述图的变化程度,故可平滑图像。相比单一图平滑先验,对偶图结构简洁、放宽条件,更利于利用图像信号先验进行图像复原。本文利用所提模型构建相应最小化问题,随后在傅里叶域使用交替方向乘子法(ADMM)算法求解。最后,采用随机高斯白噪声进行去噪实验。与单一图平滑先验相比,本文所提对偶图平滑先验模型的去噪结果噪声点更少、纹理更清晰。
引用
@article{arxiv.2201.04818,
title = {Convolutional dual graph Laplacian sparse coding},
author = {Xuefeng Peng and Fei Chen and Hang Cheng and Meiqing Wang},
journal= {arXiv preprint arXiv:2201.04818},
year = {2022}
}
备注
7 pages,3 figures,3 tables